Python 第三方库之docx

日常上官网 https://python-docx.readthedocs.io/en/latest/

一、安装

pip install python-docx

二、写入word

word 中主要有两种用文本格式等级：块等级（block-level）和内联等级（inline-level）word 中大部分内容都是由这两种等级的对象组成的（其他的诸如眉页、引脚等，docx 库的作者还在开发中）

块等级（block-level）：也就是段落

块对象一般包括：段落（paragraph）、图片（inline picture）、表（table）、标题（heading）、有序列表（numbered lists）、无序列表（bullets lists）

段落是 word 文件中的主要块对象（block-level object），块等级项（block-level item）主要任务是将文本格式从左边界向右边界展示（flows）；对于段落而言，边界就是分段标识，或者是文本的列边界，列表（table）也是块对象（block-level object）

内联等级（inline-level）：也就是字体

内联对象（inline-level object）是块对象（block-level object）的组成部分，块对象的所有内容都包含在内联对象中，一个块对象由一个或多个内联对象组成，run 是常用的内联对象，例如：

p = document.add_paragraph('This is paragraph')
p.add_run('bold').bold = True
p.add_run(' and some ')
p.add_run('italic.').italic = True

这个例子中一个段落（块对象）包含三个 run（内联对象），每一个 run 都设置有不同属性

写word示例：

# coding:utf-8
import sys

from docx import Document
from docx.shared import Inches

def main():
    reload(sys)
    sys.setdefaultencoding('utf-8')
    
    # 创建文档对象
    document = Document()

    # 新增样式(第一个参数是样式名称，第二个参数是样式类型：1代表段落；2代表字符；3代表表格)
    style = doc.styles.add_style('style name 1', 2)

    # 从样式库中选取 'Normal' 样式，并设置 'Normal' 样式的字符属性（font）
    style = document.styles['Normal']
    style.font.name = "Microsoft YaHei UI"
    style.font.size = Pt(50)

    # 将设置好字符属性的样式运用到段落中
    # p = document.add_paragraph("change font attribution", style = 'Normal')

    # 从样式库中选取 'Heading 2'' 样式，并设置段落格式（paragraph format）
    style = document.styles['Heading 2']
    style.paragraph_format.left_indent = Pt(20)
    style.paragraph_format.widow_control = True

    # 将设置好段落格式的 style 运用到段落中
    # p = document.add_paragraph('This is Heading, level 1', style = style)
    
    # 设置文档标题，中文要用unicode字符串
    document.add_heading(u'我的一个新文档',0)
    
    from docx.shared import RGBColor,Inches,Pt
    from docx.enum.text import WD_ALIGN_PARAGRAPH
    # 往文档中添加段落
    p = document.add_paragraph('This is a paragraph having some ')
    p.paragraph_format.alignment = WD_ALIGN_PARAGRAPH.CENTER # WD_ALIGN_PARAGRAPH.LEFT，左对齐；WD_ALIGN_PARAGRAPH.RIGHT，右对齐
    p.paragraph_format.left_indent = Inches(0.5)  # 设置段落从左开始缩进，使用Inches来衡量
    p.paragraph_format.right_indent = Pt(20)      # 设置段落从右开始缩进，使用Pt来衡量
    p.paragraph_format.first_line_indent = Inches(0.5)  # 设置段落第一行缩进，可以与上两个缩进叠加
    p.paragraph_format.space_after = Pt(5)    # 设置与上一段间隔 Pt（5）
    p.paragraph_format.space_before = Pt(10)  # 设置与下一段间隔 Pt（10）
    p.paragraph_format.line_spacing = Pt(18)  # 行距
    
    p_run = p.add_run('xxx')
    p_run.font.italic = True   # 设置为斜体
    p_run.font.size = Pt(12)   # 设置字体大小
    p_run.font.color.rgb = RGBColor(0, 0, 0)  # 设置字体颜色
    p_run.font.name = u"宋体"  # 设置字体样式
    p_run.font._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')  # 设置字体样式
    p_run.font.underline = False  # 不设置下划线
    p_run.font.bold = None  # 设置粗体为继承上一个字体的格式
    # 这一类属性，每个有三种状态:True 为使用属性；False 为不使用属性；None 默认属性继承自上一个字体


    # 添加一级标题
    document.add_heading(u'一级标题, level = 1',level = 1)
    document.add_paragraph('Intense quote',style = 'IntenseQuote')
    
    # 添加无序列表
    document.add_paragraph('first item in unordered list',style = 'ListBullet')
    
    # 添加有序列表
    document.add_paragraph('first item in ordered list',style = 'ListNumber')
    document.add_paragraph('second item in ordered list',style = 'ListNumber')
    document.add_paragraph('third item in ordered list',style = 'ListNumber')
    
    # 添加图片，并指定宽度
    document.add_picture('e:/docs/pic.png',width = Inches(1.25))
    
    # 添加表格: 1行3列
    table = document.add_table(rows = 1,cols = 3)
    # 获取第一行的单元格列表对象
    hdr_cells = table.rows[0].cells
    # 为每一个单元格赋值，值都要为字符串类型
    hdr_cells[0].text = 'Name'
    hdr_cells[1].text = 'Age'
    hdr_cells[2].text = 'Tel'
    # 为表格添加一行
    new_cells = table.add_row().cells
    new_cells[0].text = 'Tom'
    new_cells[1].text = '19'
    new_cells[2].text = '12345678'
    
    # 添加分页符
    document.add_page_break()
    
    # 往新的一页中添加段落
    p = document.add_paragraph('This is a paragraph in new page.')
    
    # 保存文档
    document.save('e:/docs/demo1.docx')
    
if __name__ == '__main__':
    main()

运行程序会得到一个下面的文档

三、读文档 

对于文件名是中文的读取时会报错

• doc.paragraphs  # 段落集合
• doc.tables          # 表格集合
• doc.sections      # 节  集合
• doc.styles          # 样式集合
• doc.inline_shapes # 内置图形 等等...

读取已有的word文档示例

# coding:utf-8
import sys

from docx import Document

def main():
    reload(sys)
    sys.setdefaultencoding('utf-8')
    
    # 创建文档对象，写自己的 word 路径
    document = Document('e:/docs/demo2.docx')
    
    # 读取文档中所有的段落列表
    ps = document.paragraphs

    # 每个段落有两个属性：style和text
    ps_detail = [(x.text,x.style.name) for x in ps]
    with open('out.tmp','w+') as fout:
        fout.write('')
    # 读取段落并写入一个文件
    with open('out.tmp','a+') as fout:
        for p in ps_detail:
            fout.write(p[0] + '\t' + p[1] + '\n\n')
    
    # 读取文档中的所有段落的列表
    tables = document.tables
    # 遍历table，并将所有单元格内容写入文件中
    with open('out.tmp','a+') as fout:
        for table in tables:
            for row in table.rows:
                for cell in row.cells:
                    fout.write(cell.text + '\t')
                fout.write('\n')
    
if __name__ == '__main__':
    main()

四、其他事项

1、如果段落中是有超链接的，那么段落对象是读取不出来超链接的文本的，需要把超链接先转换成普通文本，方法：全选word文档的所有内容，按快捷键Ctrl+Shift+F9即可。

2、读取某些文件时会报错，docx.opc.exceptions.PackageNotFoundError: Package not found。原因：docx无法识别doc，需要先手动或者使用win32com转换

from win32com import client as wc
import docx
 
 
def doSaveAas():
    word = wc.Dispatch('Word.Application')
    doc = word.Documents.Open(u'E:\old.doc')        # 目标路径下的文件
    doc.SaveAs(u'E:\\new_path.docx', 12, False, "", True, "", False, False, False, False)  # 转化后路径下的文件    
    doc.Close()
    word.Quit()
 
doSaveAas()

链接https://www.cnblogs.com/jiayongji/p/7290410.html